随着具身智能产业进入落地攻坚期，标准化、场景化的实机操作数据已经成为制约机器人技能模型研发效率的核心瓶颈。作为全球人工智能开源社区的核心平台，HuggingFace推出的LeRobot格式通过统一机器人视觉采集、动作标注等数据的存储规范，打通了不同硬件厂商、研发团队之间的数据流通壁垒，大幅降低了跨场景机器人模型的训练门槛，是当前全球具身智能领域应用最广泛的数据集标准之一。
2026年5月4日，科技厂商fecasado正式在HuggingFace平台上线toast1-to-plate-fix-320x240数据集，是国内少有的聚焦餐饮场景小件物品固定位置放置操作的LeRobot格式数据集。
该数据集聚焦“吐司抓取-空间转移-固定位置放置到餐盘”的完整操作流程，采用320x240的视觉分辨率，兼顾了视觉特征识别精度与数据集轻量化需求，不仅可适配云端大模型训练，也适合边缘端轻量化机器人模型的迭代测试。
从应用方向来看，该类细分场景数据集可支撑多个领域的研发需求：在家用服务机器人场景，可用于训练家庭助理机器人的餐品摆放、餐桌整理等生活化操作技能；在餐饮服务场景，可为送餐机器人的末端餐品放置、餐台整理等功能的模型训练提供数据支撑；在通用具身智能研发领域，还可作为视觉-动作对齐训练、小样本技能迁移学习的基准测试数据集，帮助研发团队降低实机测试的成本与风险。
fecasado本次发布的数据集toast1-to-plate-fix-320x240，该数据集为HuggingFace LeRobot格式机器人数据集。
Dataset card内容：
Files and versions内容：
从数据要素产业发展的角度来看，本次细分场景标准化数据集的发布，进一步丰富了LeRobot生态的数据集品类，为具身智能领域的data-centric研发模式提供了基础资源支撑，也为垂直场景数据的价值变现、数据要素市场的垂直领域落地提供了可参考的样本。
_1769672084863.jpg)